Paraphrase Thought：Sentence Embedding Module Imitating Human Language Recognition

句子嵌入式NLP領域的重要話題，不同的句子嵌入模型在文本情感分析、句子分類等任務中都有很好的標簽。但是由于文本分類或情感分析可以通過簡單的句子表示方法提高，所以這些模型不能完全反映句意。這篇論文受人類語言認知的啟發(fā)，作者提出了一種語義一致性的概念，即相似的句子應該在嵌入空間中位于相近的位置。并提出了名為Paraphrase Thought的概念，盡可能地追求語義的連貫。

地址：https://arxiv.org/abs/1808.05505

2

Deeper Image Quality Transfer：Training Low-Memory Neural Networks for 3D Images

深度學習在處理3D、高分辨率、多通道的醫(yī)學影像時常需要大量內(nèi)存。這篇論文的作者使用高效的內(nèi)存反向傳播技術，減少了神經(jīng)網(wǎng)絡訓練時的內(nèi)存復雜性，與之前相比提高了內(nèi)存，將均方根誤差減少了13%。

地址：https://arxiv.org/abs/1808.05577

3

Combining time-series and textual data for taxi demand prediction in event areas：a deep learning approach

精準的時間序列預告對交通、能源、金融、經(jīng)濟等領域都非常重要。但是現(xiàn)代技術都是通過時間數(shù)據(jù)來建立預測模型，通常忽略了非結構化文本之下有價值的信息。本篇論文的作者提出了兩種深度學習架構，利用詞嵌入、卷積層和注意力機制結合了文本信息和時序數(shù)據(jù)。并將這兩種架構用在紐約的出租車需求預測上，結果發(fā)現(xiàn)模型能有效減少錯誤的預報。